Začněte nyníZačněte zdarma

Rozdělení hry na dějství

Převod nestrukturovaného textu do hierarchických lexikálních grafů je iterativní proces, který spočívá v sestavení splitterů pro každou lexikální entitu a následném postupném dělení textu.

V tomto cvičení navrhnout splitter pro rozdělení hry Romeo a Julie na dějství. Tady je ukázka struktury hry:

The Project Gutenberg eBook of Romeo and Juliet
This ebook is for the use of anyone anywhere in the United States...

**PROLOGUE:**

 Enter Chorus.

CHORUS.
Two households, both alike in dignity...

ACT I

SCENE I. A public place.
 Enter Sampson and Gregory armed with swords and bucklers.

SAMPSON.
Gregory, on my word, we'll not carry coals...
...

Toto cvičení je součástí kurzu

Graph RAG s LangChain a Neo4j

Zobrazit kurz

Pokyny k cvičení

  • Aktualizuj argument splitters tak, aby text rozděloval také podle vzoru \n\nACT.
  • Nastav act_splitter tak, aby seznam separators považoval za regulární výrazy.
  • Rozděl romeo_and_juliet pomocí act_splitter.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

act_splitter = RecursiveCharacterTextSplitter(
  separators=[ 
    r"\n\nTHE PROLOGUE.",
    r"\n\n\*\*\* END",
    # Split by the word ACT
    r"____"
  ],
  # Configure the patterns as regular expressions
  ____=True
)

# Split the play using act_splitter
acts = act_splitter.____(____)

for act in acts:
  print(act.strip().split("\n")[0])
Upravit a spustit kód